原文传递
面向视频的船舶机舱火灾检测研究
| 论文题名： | 面向视频的船舶机舱火灾检测研究 |
| 关键词： | 船舶机舱;火灾识别;卷积神经网络;视频图像;目标跟踪 |
| 摘要： | 由于海上航行的船舶与陆地相距较远，一旦发生紧急情况将无法及时处置和救援，因此船舶火灾会造成巨大的经济损失和人员伤亡。据有关数据统计，船舶火灾以机舱火灾发生次数最多且危害最大，为此对机舱火灾进行快速准确的实时检测显得尤为重要。针对传统火灾探测技术存在的灵敏度低、探测范围小等缺陷，本文将卷积神经网络引入机舱火灾检测领域，利用其响应速度快、准确率高的特点来实现机舱火灾的快速准确检测。本文分别从火灾图像识别、视频火灾检测和火灾目标跟踪三个角度展开研究，所做主要工作如下： 本文首先针对机舱火灾数据难以获取的问题，通过虚拟机舱模拟火灾的方式进行数据采集，制成机舱火灾数据集并做预处理。然后提出了一种结合传统火焰特征与深度学习算法的机舱火灾识别方法。该方法通过二帧差法和RGB与HSV相结合的颜色空间模型分别对火灾的运动区域和像素区域进行提取，并将提取到的运动区域和像素区域融合从而得到疑似火灾区域；最后利用预训练好的AlexNet算法对疑似火灾区域进行分类识别，同时选取相关领域研究成果进行对比实验，用以验证所提方法的优越性。 其次，本文以YOLOv5算法为基础，提出了一种基于改进YOLOv5的船舶机舱火灾检测算法。采用CIoU_Loss损失函数和hard-Swish激活函数对算法进行改进，以提高检测精度；同时采用Soft-NMS作为非极大值抑制方法，降低漏检率。设计了一种基于BN层权重的通道剪枝策略，通过在BN层上添加缩放因子来进行稀疏训练，将不重要通道的权重进行压缩并修剪不重要通道，从而实现模型压缩。最终实验表明，改进后算法的检测精度和速度均有明显提升，可满足实时性要求，同时模型整体性能优于其他算法。 最后，本文在改进YOLOv5算法基础上，结合DeepSort多目标跟踪算法设计了机舱火灾目标跟踪算法。该算法以改进YOLOv5作为检测器来实时检测火焰目标，以DeepSort作为跟踪器对火焰目标的运动趋势和蔓延趋势进行跟踪。实验表明，该算法对外观时刻变化的火焰目标具有较好的跟踪性能。为验证本文所做算法的有效性，使用PyQt5开发工具搭建了机舱火灾检测程序，对程序界面和组件功能分别进行了介绍，并最终以火灾视频作为样例完成了程序测试，证明了所做算法具有一定实际应用价值。 |
| 作者： | 孟庆炎 |
| 专业： | 船舶与海洋工程 |
| 导师： | 张均东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
